×
扎伊纳布·巴赫马尼;利奥波多·贝托西;尼古拉斯·瓦西洛格鲁

ERBlox：将匹配依赖项与机器学习相结合，用于实体解析。 （英语） Zbl 1404.68093号

国际J近似推理 83, 118-141 (2017).
摘要：实体解析（ER）是一个重要而常见的数据清理问题，它涉及检测相同外部实体的数据重复表示，并将其合并为单个表示。最近，声明性规则被称为匹配依赖项（MD）被提出用于指定相似条件，在这些条件下，数据库记录中的属性值被合并。在这项工作中，我们展示了集成ER四个组件的过程和好处：（a）为使用机器学习（ML）技术构建的重复/非重复记录对构建分类器；（b） 使用MD支持ML的阻塞阶段；（c） 基于分类器结果的记录合并；和（d）声明性语言的使用逻辑QL–由逻辑Blox平台——用于与数据处理以及MD的规范和实施相关的所有活动。

引用于1文件

MSC公司：

68T05型 人工智能中的学习和自适应系统
第68页，共15页 数据库理论

关键词：

实体解析;匹配依赖项;支持向量机;分类;数据日志

软件：

登录QL;ERBlox公司;逻辑Blox;数据日志
PDF格式BibTeX公司 XML格式引用
\textit{Z.Bahmani}等人，《国际近似推理》83，118--141（2017；Zbl 1404.68093）
全文： 内政部 arXiv公司

参考文献：

[1] Abiteboul，S。；船体，R。；维亚努，V.，《数据库基础》（1995），艾迪森·韦斯利·Zbl 0848.68031号
[2] Arasu，A。；Ré，Ch。；Suciu，D.，《使用重复数据消除的约束条件下的大规模重复数据消除》，（第25届国际数据工程会议论文集。第25届数据工程国际会议论文集，ICDE（2009）），952-963
[3] Aref，M。；十Cate，B。；格林·T·J。；Kimelfeld，B。；奥尔特阿努，D。；帕萨利克，E。；Veldhuizen，T。；Washburn，G.，《LogicBlox系统的设计与实现》，（《ACM国际数据管理会议纪要》，《ACM数据管理国际会议纪要，SIGMOD（2015）》），1371-1382
[4] Bahmani，Z。；贝托西，L。；科拉希，S。；Lakshmanan，L.，通过匹配依赖项和答案集程序进行声明性实体解析，（《第十三届知识表示和推理原则国际会议论文集》，KR（2012），380-390
[5] Bahmani，Z。；贝托西，L。；Vasilogou，N.，ERBlox：将匹配依赖性与机器学习相结合，以实现实体解析，（第九届可扩展不确定性管理国际会议议事录。第九届国际可扩展不确定度管理会议议事录，第九届不确定度国际会议议事稿。第九次国际可扩展管理会议议事稿，SUM，LNAI，第9310卷（2015），施普林格），399-414
[7] Bahmani，Z。；Bertossi，L.，《使用数据日志强制关系匹配依赖关系以实现实体解析》，2016年
[8] Baudat，G。；Anouar，F.，使用核方法的广义判别分析，神经计算。，12, 3, 2385-2404 (2000)
[9] 巴克斯特，R。；Christen，P。；Churches，T.A.，《记录链接的快速阻塞方法比较》（ACM SIGKDD数据清理、记录链接和对象识别研讨会（2003）），234-256
[10] 本杰伦，O。；Garcia-Molina，H。；梅内斯特琳娜，D。；苏，Q。；Euijong Whang，S。；Widom，J.，Swoosh:实体解析的通用方法，VLDB J.，18，1255-276（2009）
[11] 贝托西，L。；科拉希，S。；Lakshmanan，L.，《数据：使用匹配依赖项和匹配函数进行清理和查询应答》，《理论计算》。系统。，52, 3, 441-482 (2013) ·Zbl 1270.68102号
[12] 巴塔查里亚，I。；Getoor，L.，关系数据中的集合实体解析，ACM Trans。知识。迪斯科。数据，1,1,15-51（2007）
[13] 布莱霍尔德，J。；Naumann，F.，数据融合，ACM计算。调查。，41, 1 (2008)
[14] Brewka，G。；Th.艾特。；Truszczynski，M.，回答集编程一览，Commun。ACM，54，12，92-103（2011）
[15] Ceri，S。；Gottlob，G。；Tanca，L.，《逻辑编程与数据库》（1989），施普林格出版社
[16] Christen，P.，使用种子最近邻和支持向量机分类的自动记录链接，（第14届ACM知识发现和数据挖掘国际会议论文集，第14届AC知识发现和数据库挖掘国际会议文献集，SIGKDD（2008）），151-159
[17] Christen，P.，《可扩展记录链接和重复数据消除的索引技术调查》，IEEE Trans。知识。数据工程，19，1，1-16（2011）
[18] Christen，P。；Goiser，K.，《数据链接和重复数据消除的质量和复杂性度量》（Guillet，F.；Hamilton，H.，《数据挖掘中的质量度量》（2010），Springer），127-151
[19] 科恩，W.C。；拉维库马尔，P.D。；Fienberg，S.E.，《匹配名称和记录的字符串度量的比较》（KDD数据清理和对象整合研讨会（2003年））
[20] 盖，T.M。；Hart，P.E.，最近邻模式分类，IEEE Trans。Inf.理论，13，1，21-27（1967）·Zbl 0154.44505号
[21] 北卡罗来纳州克里斯蒂亚尼尼。；Shawe-Taylor，J.，《支持向量机和其他基于核的学习方法简介》（2000），剑桥大学出版社
[22] Dash，M。；Liu，H.，分类特征选择，Intell。数据分析。，1, 1-4, 131-156 (1997)
[23] Diligenti，M。；戈里，M。；马格吉尼，M。；Rigutini，L.，桥接逻辑和内核机器，马赫。学习。，86, 1, 57-88 (2012) ·兹比尔1243.68238
[24] 美国德拉伊斯巴赫。；Naumann，F.，《重复检测的分块和加窗算法的比较和推广》，（VLDB QDB研讨会（2009年），43-52
[25] Elmagarmid，A。；伊佩罗提斯，P。；Verykios，V.，《重复记录检测：调查》，IEEE Trans。知识。数据工程，19，1，1-16（2007）
[26] Fan，W.，《为提高数据质量而重新审视依赖关系》，（第二十七届ACM SIGMOD-SIGACT-SIGART数据库系统原理研讨会论文集，第二十六届ACM SIMOD-SIGAT-SIGART数据库系统原理会议论文集，PODS（2008）），159-170
[27] 风扇，W。；贾，X。；李，J。；Ma，S.，《关于记录匹配规则的推理》，Proc。荷兰VLDB。，2, 1, 407-418 (2009)
[28] Flach，P.，《机器学习》（2014），剑桥大学出版社·Zbl 1317.68005号
[29] Fürnkranz，J。；Gamberger，D。；Lavrać，N.，《规则学习基础》（2012），施普林格出版社·Zbl 1263.68002号
[30] （Getoor，L.；Taskar，B.，《统计关系学习导论》（2007），麻省理工学院出版社）·Zbl 1141.68054号
[31] Halpin，T。；Rugaber，S.，《LogiQL:智能数据库的查询语言》（2015），CRC出版社
[32] Herzog，T.N。；Scheuren，F.J。；Winkler，W.E.，《数据质量和记录链接技术》（2007），施普林格出版社·Zbl 1262.62004号
[33] Jaro，M.，用于匹配Tampa，J.Amer 1985年人口普查的记录链接方法的进展。Stat.Soc.，84，406，414-420（1989）
[34] Jaro，M.A.，大型公共卫生数据文件的概率链接，《统计医学杂志》，第14、1、491-498页（1995年）
[35] Kopcke，H。；Rahm，E.，《实体匹配框架：比较》，《数据知识》。工程，69，2，197-210（2010）
[37] Navarro，G.，《近似字符串匹配导览》，ACM Compute。调查。，33, 1, 31-88 (2001)
[38] Nin，J。；蒙特斯，V。；Martinez-Bazan，N。；Larriba，J.，《语义块技术在数据清理和集成中的应用》（Proc.IDEAS（2007），IEEE Press），190-198
[39] Papadakis，G。；斯维尔斯基，J。；加尔，A。；Palpanas，T.，实体解析近似分块技术的比较分析，Proc。荷兰VLDB。，9, 9, 684-695 (2016)
[40] 帕彭布罗克，T。；Naumann，F.，《功能依赖性发现的混合方法》（Proc.SIGMOD（2016）），821-833
[41] 拉斯托吉，V。；Dalvi，N.N。；Garofalakis，M.N.，《大规模集体实体匹配》，Proc。荷兰VLDB。，208-218年4月4日（2011年）
[42] 萨尔顿，G。；Buckley，C.，自动文本检索中的术语加权方法，Inf.Process。管理。，24, 5, 513-523 (1988)
[43] Song，S。；Chen，L.，发现匹配依赖，（CIKM Proc.（2009）），1421-1424
[44] Song，S。；Chen，L.，匹配依赖的相似约束的高效发现，数据知识。工程，87，146-166（2013）
[45] 斯特尔斯，R。；文图拉，S。；萨迪丽娜，M。；Fienberg，S.，《记录链接阻塞方法的比较》，（Proc.Privacy in Statistical Databases.Proc.Privation in Statistic Databases，PSD.Proc.Privision in Statustical Databases。Proc.Privocy in Statistical Database，PSD，LNCS，vol.8744（2014），Springer），第253-268页
[46] Tang，J。；Alelyani，S。；刘浩，《分类的特征选择：综述》，（数据分类：算法与应用（2015），CRC出版社），37-64·Zbl 1377.68210号
[47] 托维克，I。；Smalheiser，R.，《medline中的作者姓名消歧》，ACM Trans。知识。迪斯科。数据，11，3，1-29（2009）
[48] Vapnik，V.N.，《统计学习理论的本质》（2000），斯普林格出版社·Zbl 0934.62009号
[49] 黄，S。；O.Benjelloun。；Garcia-Molina，H.，带否定规则的通用实体解析，VLDB J.，18，6，1261-1277（2009）
[50] 黄，S。；梅内斯特琳娜，D。；库特里卡，G。；西奥博尔德，M。；Garcia-Molina，H.，带迭代块的实体解析，（《ACM国际数据管理会议议事录》，《ACM数据管理国际会议议事录，SIGMOD（2009）》），219-232
[51] Winkler，W.E.，《记录关联状态和当前研究问题》（1999年），美国人口普查局，技术报告
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。